bp_bin/uclust_seq

   1 #!/usr/bin/env ruby
   2
   3 # Copyright (C) 2007-2011 Martin A. Hansen.
   4
   5 # This program is free software; you can redistribute it and/or
   6 # modify it under the terms of the GNU General Public License
   7 # as published by the Free Software Foundation; either version 2
   8 # of the License, or (at your option) any later version.
   9
  10 # This program is distributed in the hope that it will be useful,
  11 # but WITHOUT ANY WARRANTY; without even the implied warranty of
  12 # MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
  13 # GNU General Public License for more details.
  14
  15 # You should have received a copy of the GNU General Public License
  16 # along with this program; if not, write to the Free Software
  17 # Foundation, Inc., 51 Franklin Street, Fifth Floor, Boston, MA 02110-1301, USA.
  18
  19 # http://www.gnu.org/copyleft/gpl.html
  20
  21 # >>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>><<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<
  22
  23 # This program is part of the Biopieces framework (www.biopieces.org).
  24
  25 # >>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>> DESCRIPTION <<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<
  26
  27 # Run Uclust on sequences in the stream.
  28
  29 # >>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>><<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<
  30
  31 require 'maasha/biopieces'
  32 require 'maasha/fasta'
  33 require 'maasha/usearch'
  34
  35 casts = []
  36 casts << {long: 'no_sort',  short: 'n', type: 'flag',  mandatory: false, default: nil, allowed: nil, disallowed: nil}
  37 casts << {long: 'comp',     short: 'c', type: 'flag',  mandatory: false, default: nil, allowed: nil, disallowed: nil}
  38 casts << {long: 'identity', short: 'i', type: 'float', mandatory: true,  default: 0.9, allowed: nil, disallowed: nil}
  39 casts << {long: 'cpus',     short: 'C', type: 'uint',  mandatory: false, default: 1,   allowed: nil, disallowed: "0"}
  40
  41 options = Biopieces.options_parse(ARGV, casts)
  42
  43 tmpdir       = Biopieces.mktmpdir
  44 file_records = File.join(tmpdir, "data.stream")
  45 file_fasta   = File.join(tmpdir, "in.fna")
  46 file_uclust  = File.join(tmpdir, "out.uc")
  47
  48 Biopieces.open(options[:stream_in], file_records) do |input, output|
  49   Fasta.open(file_fasta, 'w') do |fasta_io|
  50     input.each_record do |record|
  51       output.puts record
  52
  53       if record[:SEQ_NAME] and record[:SEQ]
  54         fasta_io.puts Seq.new_bp(record).to_fasta
  55       end
  56     end
  57   end
  58 end
  59
  60 us = Usearch.new(file_fasta, file_uclust, options)
  61
  62 us.sortbylength unless options[:no_sort]
  63 us.cluster_smallmem
  64
  65 hash = {}
  66
  67 us.each_cluster do |cluster|
  68   hash[cluster[:Q_ID].to_sym] = cluster.dup
  69 end
  70
  71 Biopieces.open(file_records, options[:stream_out]) do |input, output|
  72   input.each_record do |record|
  73     if record[:SEQ_NAME] and record[:SEQ]
  74       if hash[record[:SEQ_NAME].to_sym]
  75         us = hash[record[:SEQ_NAME].to_sym]
  76         record[:CLUSTER] = us[:CLUSTER].to_i
  77         record[:IDENT]   = us[:IDENT].to_i
  78         record[:IDENT] = '*' if us[:TYPE] == 'S'
  79       end
  80     end
  81
  82     output.puts record
  83   end
  84 end
  85
  86
  87 # >>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>><<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<
  88
  89
  90 __END__